一周热榜

这是一个我一直在开发的小型日常文字游戏。我喜欢填字游戏和 Wordle，但它们都以单词拼写作为主要限制。借助大型语言模型（LLM），我们可以构建“柔性系统”，这些系统不必完全按程序定义。这可以让我们玩出更像与朋友玩棋盘游戏的感觉。需要人类裁判的游戏。因为它们需要裁判，所以它们不适合视频游戏，尤其是在多人游戏之外。 Squishword 是对这一概念的简单初步探索。游戏中有教程，所以我不会解释所有机制。简单来说：你试图通过添加、减去、连接和分割单词来从一个单词移动到另一个单词。例如，“dog”可以拆分成“bark”和“animal”。你可以做一些巧妙的事情，比如将“bark”+“plant”组合成“tree”。其灵感来自“维基百科游戏”，在该游戏中，你只需点击链接即可从一个随机文章移动到另一个文章。 调整裁判行为以获得公平结果花费了大量精力，而且我对此仍不完全满意。我为游戏本身构建的工具和可视化比功能还要多。例如，为每一次移动都生成一个 11x11 的逻辑和机智评分矩阵，以尝试使裁判评分分布更均匀。这是 LLM 在产品中的一个“简单”示例，所以我很好奇更复杂的工作流程是如何处理它的。

作者在此。从一个私有的 Obsidian 库（8360 条笔记，300 万字）中发布了约 660 条笔记。大约在 2011 年开始使用 OneNote，2021 年迁移到 Obsidian [1]，并使用 Python 脚本导入了所有内容 [2]。 笔记会随着时间累积，我的写作也由此而来。“语义层”笔记始于 2022 年，后来发展成一个四部分的博客系列，再后来成为我书中的一个章节。“物化视图”、“大表”、“dbt”和“OLAP”是分开的笔记，写作时间相隔数年。我直到后来才注意到它们是相同的模式，于是又形成了一个新的章节。 发布：在笔记中添加 `#publish` 标签，然后运行 `make deploy`。使用 Quartz + Hugo，通过 rsync 同步到我自己的服务器 [3]。代码 [4]。基于图谱的语义搜索 [5]。

如果你曾构建过一个用于接单或预约的语音助手，你就会知道收款是避免取消/爽约的关键。然而，大多数消费者会因为支付过程中的繁琐（翻找银行卡、念出卡号和CVV等）而放弃支付。 我开发了Ringup，帮助语音助手仅凭电话号码就能识别回访客户，并在几秒钟内收取他们已保存的银行卡支付。 有人问我，这个查询是如何实现的。这是因为运营商（T-Mobile、ATT、Verizon）推出了基于CAMARA项目的全新身份API。这套开源API现在让开发者能够轻松地直接从运营商那里可靠地验证身份，比发送短信OTP（一次性密码）要强大得多。 如果你是语音AI开发者，或者认识这样的开发者，我将为5位用户提供免费额度，以换取任何反馈。不妨试试看。

我曾参与过多个项目，负责编写和实现规范（特别是 CLN）。我发现，在实现过程中引用我编写的规范，能够大大提升规范的质量，因为这样可以确保实现者了解所有必要信息。此外，当开发过程中规范发生变更时，更新代码也变得轻而易举。 本项目是对我各种脚本的正式化，这些脚本能够确保需求被准确引用，并能覆盖所有遗漏之处。虽然这不是一项重大工程，但我希望它能对他人有所帮助！

有一个在线网站和一个Windows应用程序，无需GPU！云端AI处理换脸。

美国人与当局的互动依赖于他们对宪法保护的意识，并且他们已经接受了在机场没有美国宪法这一事实。 测试在那里感受到的高度脆弱和不安全感，以及对当局可用来胁迫“合作”的手段的认识。

当我的某篇文字获得异常多的关注时，我总能事后给出解释。比如：引人入胜的开头、恰当的时机、合适的格式、有趣的话题，或是读者正好心情不错。但对于那些无人问津的文章，我也能找出原因，这让我怀疑我只是在对“噪音”进行模式匹配。 对于那些经常在任何平台发帖的人：你们认为自己知道导致“异常值”（即特别受欢迎或特别不受欢迎的内容）的原因吗？有没有人能够有意识地复制出一次“异常值”的成功经验？